Abstract
A produção de energia elétrica deve ser planejada de modo a otimizar seus processos e minimizar possíveis falhas, o que pode ser auxiliado pela análise de séries históricas de consumo. Este artigo propõe a construção de um modelo combinado de previsão de séries temporais, a fim de prever o consumo de energia elétrica por consumidor para todos os estados brasileiros. Este consiste na combinação linear dos modelos TSLMS, TSLMTS e SNAIVE utilizando três e cinco anos de histórico. Os pesos atribuídos a cada modelo são funções dos erros calculados pelo desvio médio absoluto das previsões individuais. O modelo combinado apresentou erro quadrático médio de 5,7 kWh por consumidor e Theil’s U de 0,76, ilustrando resultado mais acurado para três anos de histórico e uma performance equivalente aos outros modelos individuais para um histórico maior. Assim, a presente proposta é aplicável para séries com poucos dados históricos disponíveis, apresentando resultados promissores para um ano de previsão.
Reference26 articles.
1. Agostino, I., Araujo, R. S., de Oliveira Noronha, M., Fonseca, J. I. D. S., & Souza, A. M. (2019). Combinação de previsões aplicada à modelagem de operações: um estudo de caso em um terminal portuário. Exacta, 17(1), 99-110. https://doi.org/10.5585/exactaep.v17n1.8327
2. Aras, S.; Deveci, İ.& Polat, C. (2017). Comparative study on retail sales forecasting between single and combination methods. Journal of Business Economics and Management, 18(5), 803-832. https://doi.org/10.3846/16111699.2017.1367324
3. Araújo, E. G., Júnior, S. F. A. X., Barbosa, N. F. M., & Oliveira, T. A. (2023). Modelagem e previsao de modelos de séries temporais do consumo de energia elétrica na Regiao Nordeste do Brasil. Sigmae, 12(1), 10-28. https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2008
4. Bilgili, M., & Pinar, E. (2023). Gross electricity consumption forecasting using LSTM and SARIMA approaches: A case study of Türkiye. Energy, 284, 128575. https://doi.org/10.1016/j.energy.2023.128575
5. Camelo, H., Lucio, P. S., Junior, J. B. V. L., de Carvalho, P. C. M., & dos Santos, D. V. G. (2018). Innovative hybrid models for forecasting time series applied in wind generation based on the combination of time series models with artificial neural networks. Energy, 151, 347-357. https://doi.org/10.1016/j.energy.2018.03.077